Cloudflare Workers AI kostenlos: 10.000 Neurons pro Tag (2026)

Kurz gesagt: Mit jedem Cloudflare-Konto können Sie offene Modelle auf Workers AI kostenlos ausführen, bis zu 10.000 Neurons pro Tag, zurückgesetzt um 00:00 UTC. Das ist ein Rechenbudget, keine Anzahl von Anfragen; wie weit es reicht, hängt also vom aufgerufenen Modell ab. Im kostenlosen Workers-Plan ist das Budget eine harte Grenze; bei Workers Paid (mindestens 5 $/Monat) kostet alles darüber 0,011 $ pro 1.000 Neurons.

Was Sie tatsächlich bekommen

Workers AI ist der Serverless-GPU-Inferenzdienst von Cloudflare. Sie mieten keine GPU und deployen kein Modell; Sie rufen ein Modell aus dem Katalog von Cloudflare (Textgenerierung, Embeddings, Bildgenerierung, Speech-to-Text, Übersetzung, Klassifizierung und mehr) über seinen Namen auf, und Cloudflare führt es auf GPUs in seinem Netzwerk aus. Der kostenlose Teil ist ein tägliches Rechenkontingent, gemessen in Neurons.

In Dollar gerechnet ist das tägliche Kontingent 10.000 ÷ 1.000 × 0,011 $ = 0,11 $ pro Tag wert, rund 3,30 $ über einen 30-Tage-Monat. Das klingt wenig, aber viele Modelle im Katalog sind kleine, günstige offene Modelle, daher deckt das Kontingent erstaunlich viel Prototyping-Traffic ab.

Wie sich Neurons in echte Anfragen übersetzen

Die Preisseite von Cloudflare nennt den Preis jedes Modells pro Million Tokens zusammen mit der entsprechenden Zahl an Neurons. Die Werte unten stammen von dieser Seite; die Schätzungen pro Anfrage sind unsere eigene Rechnung, ausgehend von einer typischen Chat-Anfrage mit 500 Input-Tokens und 300 Output-Tokens.

Rechenbeispiel für Llama 3.1 8B: 500 Input-Tokens × 25.608 ÷ 1.000.000 = 12,8 Neurons, plus 300 Output-Tokens × 75.147 ÷ 1.000.000 = 22,5 Neurons, zusammen etwa 35,3 Neurons pro Anfrage. 10.000 ÷ 35,3 ≈ 283 Anfragen pro Tag. Output-Tokens dominieren meist; kürzere Antworten anzufordern ist daher der einfachste Weg, das Budget zu strecken.

Embeddings und Bilder

• Embeddings sind sehr günstig. @cf/baai/bge-m3 und @cf/qwen/qwen3-embedding-0.6b kosten 1.075 Neurons pro Million Input-Tokens; die kostenlosen 10.000 Neurons decken also rund 9,3 Millionen Tokens Embedding-Input pro Tag ab – genug, um eine umfangreiche Dokumentationsseite für einen RAG-Prototyp zu indexieren.
• bge-small-en-v1.5 kostet 1.841 Neurons pro Million Tokens (etwa 5,4 Millionen Tokens/Tag kostenlos); bge-large-en-v1.5 kostet 18.582 (etwa 540.000 Tokens/Tag).
• FLUX.1-schnell-Bilder werden pro 512×512-Kachel (4,80 Neurons) und pro Diffusionsschritt (9,60 Neurons) berechnet. Ein 1024×1024-Bild hat 4 Kacheln; mit 4 Schritten sind das 4 × 4,80 + 4 × 9,60 = 57,6 Neurons, es passen also etwa 170 Bilder pro Tag ins kostenlose Kontingent.
• Premium-Bildmodelle kosten deutlich mehr: Leonardo Lucid Origin kostet 636 Neurons pro Kachel, ein einziges 1024×1024-Bild verbraucht also schon vor den Schrittkosten über 2.500 Neurons – mit dem kostenlosen Kontingent nur wenige pro Tag.

Die 10.000 Neurons sind ein gemeinsamer Pool für das ganze Konto, kein Kontingent pro Modell. Wenn Sie ein großes Modell mit Embeddings und Bildern mischen, zieht alles aus demselben Tagesbudget.

Wer es nutzen kann

Alle mit einem Cloudflare-Konto. Es gibt keine Bewerbung, keinen Studierendenstatus, kein Startup-Programm und keine Testphase: Das Kontingent ist Teil der Pläne Workers Free und Workers Paid und erneuert sich jeden Tag, solange das Konto besteht. Cloudflare veröffentlicht über die normalen Nutzungsbedingungen hinaus keine Länderbeschränkungen speziell für Workers AI.

Die einzige echte Einschränkung betrifft die Modelle. Laut Preisseite von Cloudflare erfordern Kimi K2.6, Kimi K2.7 Code, GLM-5.2, GLM-5.3, GLM-5.3 Flash, DeepSeek V4 Flash und DeepSeek V4 Pro entweder den Plan Workers Paid oder vorausbezahlte AI-Gateway-Credits. Wenn Sie Workers Free nutzen, bleiben Sie beim Rest des Katalogs (Llama, Qwen, gpt-oss, GLM-4.7 Flash, Embeddings, FLUX und so weiter).

Schritt für Schritt: Ihr erster kostenloser Workers-AI-Aufruf

1. Erstellen Sie ein Konto unter dash.cloudflare.com/sign-up und bestätigen Sie Ihre E-Mail-Adresse. Sie starten im Plan Workers Free.
2. Öffnen Sie im Dashboard Workers AI und wählen Sie Use REST API.
3. Wählen Sie Create a Workers AI API Token, prüfen Sie die vorausgefüllten Berechtigungen und klicken Sie dann auf Create API Token. Bewahren Sie den Token sicher auf. (Ein benutzerdefinierter Token funktioniert auch, braucht aber Lese- und Schreibrechte für Workers AI.)
4. Kopieren Sie auf derselben Seite Ihre Account ID unter Get Account ID.
5. Senden Sie eine Anfrage an ein Modell und ersetzen Sie dabei Account ID und Token (Beispiel unten).
6. Optional: Fügen Sie in einem Worker ein AI-Binding in Ihrer Wrangler-Konfiguration hinzu und rufen Sie env.AI.run() statt der REST API auf – ganz ohne Token-Verwaltung.

curl https://api.cloudflare.com/client/v4/accounts/$ACCOUNT_ID/ai/run/@cf/meta/llama-3.1-8b-instruct \
  -H "Authorization: Bearer $CLOUDFLARE_API_TOKEN" \
  -d '{ "prompt": "Where did the phrase Hello World come from?" }'

Stattdessen das OpenAI-SDK verwenden

Cloudflare bietet auch eine OpenAI-kompatible Basis-URL: https://api.cloudflare.com/client/v4/accounts/{account_id}/ai/v1. Sie unterstützt Chat Completions für die meisten Textmodelle, Embeddings und die Responses API für @cf/openai/gpt-oss-120b und @cf/openai/gpt-oss-20b (nur ohne Streaming). Richten Sie einen beliebigen OpenAI-Client auf diese URL, übergeben Sie den Workers-AI-Token als API-Key und verwenden Sie den Modellnamen @cf/….

from openai import OpenAI

client = OpenAI(
    base_url=f"https://api.cloudflare.com/client/v4/accounts/{ACCOUNT_ID}/ai/v1",
    api_key=CLOUDFLARE_API_TOKEN,
)
resp = client.chat.completions.create(
    model="@cf/meta/llama-3.1-8b-instruct",
    messages=[{"role": "user", "content": "Give me three names for a cat."}],
    max_tokens=100,
)
print(resp.choices[0].message.content)

Rate Limits (unabhängig vom Neuron-Budget)

Auch wenn noch Neurons übrig sind, werden Anfragen je nach Aufgabentyp gedrosselt. Das sind die veröffentlichten Limits pro Minute von Cloudflare; Beta-Modelle können niedrigere haben, und Inferenzen, die Sie lokal mit Wrangler ausführen, zählen zu denselben Limits.

Anfragen für höhere Limits oder eigene Modelle nimmt Cloudflare über ein Custom Requirements Form entgegen, das auf der Limits-Seite verlinkt ist.

Was passiert, wenn das Kontingent aufgebraucht ist

• Workers Free: Hat das Konto seit dem letzten Zurücksetzen um 00:00 UTC 10.000 Neurons verbraucht, schlagen weitere Workers-AI-Anfragen mit einem Fehler fehl. Es wird nichts berechnet; Sie warten einfach auf das Zurücksetzen oder wechseln den Plan.
• Workers Paid: Die ersten 10.000 Neurons pro Tag bleiben kostenlos; Nutzung darüber wird mit 0,011 $ pro 1.000 Neurons gemessen und auf Ihre Cloudflare-Rechnung gesetzt. Workers Paid selbst hat ein Kontominimum von 5 $ pro Monat, das auch Ihre allgemeinen Workers-Limits anhebt (10 Millionen Anfragen pro Monat inklusive statt 100.000 pro Tag).
• Modelle nur für zahlende Kunden: Diese brauchen Workers Paid oder vorausbezahlte AI-Gateway-Credits, egal wie viele kostenlose Neurons Sie noch haben.

Bei Workers Paid gibt es keine eingebaute harte Grenze beim kostenlosen Kontingent. Wenn ein Bug in einer Schleife ein großes Modell aufruft, laufen weiter Kosten von 0,011 $ pro 1.000 Neurons auf. Bauen Sie eine eigene Anfragezählung ein oder nutzen Sie das Rate Limiting von AI Gateway, bevor Sie einen Endpunkt öffentlich machen.

Die besten Einsatzzwecke für das kostenlose Kontingent

• RAG-Prototypen: Erzeugen Sie Embeddings mit bge-m3 (Millionen Tokens pro Tag passen ins Kontingent), speichern Sie sie in Vectorize und antworten Sie mit einem kleinen Instruct-Modell.
• Edge-Funktionen in einem bestehenden Worker: Klassifizieren, zusammenfassen, übersetzen oder moderieren Sie Nutzereingaben direkt in dem Worker, der Ihre Website bereits ausliefert, ohne separaten API-Anbieter oder Key.
• Thumbnails und Platzhalterbilder: FLUX.1 schnell mit rund 58 Neurons pro 1024×1024-Bild lässt Platz für über hundert Bilder pro Tag.
• Hobby-Bots und interne Tools: Ein Discord- oder Slack-Bot auf Llama 3.1 8B oder Qwen3 30B-A3B schafft bequem einige hundert Nachrichten pro Tag.
• Benchmarking offener Modelle: Dieselbe API und Abrechnungseinheit für Dutzende Modelle machen direkte Vergleiche günstig.

Vergleich mit anderen kostenlosen KI-APIs

Workers AI ist ungewöhnlich, weil es ein tägliches Rechenbudget ohne Ablaufdatum gibt statt eines einmaligen Guthabens oder eines Anfragekontingents pro Modell. Damit ist es ein gutes dauerhaftes Zuhause für Funktionen mit geringem Volumen, die Modellliste besteht aber überwiegend aus Open-Weight-Modellen.

Wenn Sie ein Startup auf Cloudflare aufbauen, sehen Sie sich auch Cloudflare for Startups an; das Programm bietet Plattformguthaben, das Nutzung über das tägliche Kontingent hinaus abdecken kann. Einen breiteren Überblick über kostenlose Keys bietet unser Ratgeber zu kostenlosen KI-API-Keys.

Geschichte und aktuelle Änderungen

• Vor April 2024: Workers AI lief als offene Beta.
• 2. April 2024: Cloudflare kündigte die allgemeine Verfügbarkeit an. Der GA-Beitrag führte die 10.000 kostenlosen Neurons pro Tag für alle Kunden ein, danach eine harte Grenze für Workers Free und 0,011 $ pro 1.000 zusätzliche Neurons bei Workers Paid. Außerdem wurden die meisten LLM-Rate-Limits von 50 auf 300 Anfragen pro Minute angehoben.
• Seitdem: Die Preisseite zeigt jetzt Preise pro Modell in Dollar pro Million Tokens neben den Neuron-Äquivalenten, abgerechnet wird aber weiterhin in Neurons. Neuere Frontier-Modelle (Kimi, GLM-5.x, DeepSeek V4) kamen nur für zahlende Pläne hinzu, mit eigenen, niedrigeren Rate Limits.

Häufige Fehler

• Annehmen, 10.000 bedeute 10.000 Anfragen. Es sind 10.000 Neurons; eine einzige Anfrage an ein großes Modell kann Hunderte verbrauchen.
• Vergessen, dass das Zurücksetzen in UTC erfolgt. Je nach Zeitzone wird das Budget mitten in Ihrem Arbeitstag erneuert (in Deutschland um 1 bzw. 2 Uhr nachts).
• Ein Modell nur für zahlende Kunden mit Workers Free wählen. Diese Aufrufe schlagen unabhängig vom verbleibenden Kontingent fehl.
• max_tokens nicht setzen. Output-Tokens kosten bei fast jedem Modell mehr Neurons als Input; begrenzen Sie sie.
• Lokal testen und vom Verbrauch überrascht sein. Der lokale Modus von Wrangler läuft trotzdem auf Cloudflare-GPUs und zählt mit.